基于加权灰度熵差的分区域曝光算法制造技术

本发明专利技术涉及一种基于加权灰度熵差的分区域曝光算法，其主要技术特点是：在某固定场景下，计算各曝光时间下的加权灰度熵差U，得到加权灰度熵差与曝光时间的映射关系；计算基准图像的加权灰度熵差，并使用二分法得到曝光时间；分割基准图像为过曝光区域Eh、欠曝光区域El和正常曝光区域A；计算出各区域的加权灰度熵差UA、Uh和Ul；最后计算各区域对应的最佳曝光时间。本发明专利技术设计合理，在多数场景下均可得到较好的曝光效果，具有良好的环境适应能力，且在复杂场景下也能获得较好的成像效果，可广泛用于数字成像领域。

A Subregional Exposure Method Based on Weighted Gray Entropy Difference

【技术实现步骤摘要】
基于加权灰度熵差的分区域曝光算法
本专利技术属于图像处理
，尤其是一种基于加权灰度熵差的分区域曝光算法(REABW)。
技术介绍
曝光算法是数字相机和摄像机成像时不可缺少的模块之一。一个好的曝光算法可以使不同场景下的图像均得到合适的曝光。在现实生活中，图像采集场景会出现一些光源复杂的情况，例如强烈逆光、侧光。在这种情况下，需要一种环境适应能力强的曝光算法来解决光源不同引起的部分区域图像曝光不准的问题。曝光算法一般是选取图像灰度值或图像熵作为曝光控制参数进行调节，并搭配不同的策略进行曝光调整。目前，曝光算法有很多种。2013年，杨作廷等人根据图像熵值大小来判断光照条件，通过图像熵大小的比较，把图像的各区域划分为感兴趣区域与不感兴趣区域。然后由图像熵值大小采用分配权重方法对不同区域分配权重，最后进行准确地自动曝光。由于该方法主要基于图像熵值的大小，所以曝光效果不受图像中对象位置影响。此种方法在一定程度上提高了曝光算法的自适应性，但如果场景中的亮度超过了图像传感器的动态范围，便会导致图像产生过曝光或欠曝光区域，严重影响图像质量，且此方法不能满足算法本身的自适应性。2009年，甘玉泉等人提出一种基于图像分区的自动曝光控制算法。当拍摄对象处于背光或正面强光时,自动曝光也能很好地控制。根据人类的视觉机制,可认为中间区域为目标区域，背景区域为不感兴趣区域，图像分区即将拍摄场景划分为几个区域，并对每一个区域赋予不同的权值，从而计算图像的加权亮度均值。此方法的缺点在于整个计算过程中，无法将图像中所有细节都调节至相对于其子区域来说最佳的曝光效果，一定程度上造成了信息的缺失。综上所述，现有的曝光算法在成像方面还有很大的提升空间。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供基于加权灰度熵差的分区域曝光算法，能够在成像的过程中，尽量准确的得到合适的曝光时间，从而提高成像质量。本专利技术解决其技术问题是采取以下技术方案实现的：基于加权灰度熵差的分区域曝光算法，包括以下步骤：步骤1：在某固定场景下，计算各曝光时间下的加权灰度熵差U，得到加权灰度熵差与曝光时间的映射关系；步骤2：计算基准图像的加权灰度熵差，并使用二分法得到曝光时间；步骤3：分割基准图像为过曝光区域Eh、欠曝光区域El和正常曝光区域A；步骤4：计算出各区域的加权灰度熵差UA、Uh和Ul；步骤5：计算各区域对应的最佳曝光时间。进一步，所述步骤1加权灰度熵差与曝光时间的映射关系如图1所示。U的计算公式为：G＝|Gmean-Gmedian|其中，U为加权灰度熵差，E为信息熵，G为灰度偏移量，Gmean为灰度平均值，Gmean为灰度级中位数,d为图像深度,α权重值为0.5。进一步，所述步骤2中，计算基准图像的公式为：U＝tm*um+tl*ul+th*uhtm+tl+th＝1其中，U为基准图像的加权灰度熵差，um为原始图像的加权灰度熵差，ul为低于um的区域的加权灰度熵差，uh为高于um的区域的加权灰度熵差，tm，tl，th为归一化因子。进一步，所述步骤2二分法的公式为：其中，X0，X1为给定的两个初始曝光时间点，分别赋值0ms，250ms。进一步，所述步骤3基准图像的分割标准为：其中，U为当前图像区域的加权灰度熵差，Th为过曝光阈值，Tl为欠曝光阈值，Eh为过曝光区域，El为欠曝光区域，A为正常曝光区域。进一步，所述步骤4中各个区域的加权灰度熵差，计算公式如下：G＝|Gmean-Gmedian|。7、进一步，所述步骤5中各区域对应的最佳曝光时间计算公式为：其中，X0，X1为给定的两个初始曝光时间点，分别赋值25ms，250ms。本专利技术的优点和积极效果是：本专利技术通过使用加权灰度熵差能准确得找到与场景特征相对应的最佳曝光时间，从而提高算法的自适应性，经过曝光估算、分区域曝光和图像拼接后得到曝光结果不会丢失图像信息，并增强整体场景及局部细节，提高了图像品质。附图说明图1为本专利技术中加权灰度熵差与曝光时间的映射关系图；图2为本专利技术与图像熵法、图像分区法在本实验室自建的复杂光源场景下的加权灰度熵差结果图；图3为本专利技术在场景A下曝光结果的三类图像评价指标图；图4为本专利技术在场景B下曝光结果的三类图像评价指标图；图5为本专利技术在场景C下曝光结果的三类图像评价指标图。具体实施方式以下结合附图对本专利技术实施例做进一步详述：基于加权灰度熵差的分区域曝光算法(REABW)，包括以下步骤：步骤1：在某固定场景下，计算各曝光时间下的加权灰度熵差U，得到加权灰度熵差与曝光时间的映射关系。在本步骤中，加权灰度熵差的计算公式如下：G＝|Gmean-Gmedian|其中，U为加权灰度熵差，E为信息熵，G为灰度偏移量，Gmean为灰度平均值，Gmean为灰度级中位数,d为图像深度,α权重值设为0.5。曝光时间分别为25,50,75,100,125,150,175,200,225,250,单位ms，如图1所示。步骤2：计算基准图像的加权灰度熵差，并使用二分法得到曝光时间。在本步骤中，计算出基准图像是后续区域分割的输入图像，计算公式如下：U＝tm*um+tl*ul+th*uhtm+tl+th＝1其中，U为基准图像的加权灰度熵差，um为原始图像的加权灰度熵差，ul为低于um的区域的加权灰度熵差，uh为高于um的区域的加权灰度熵差，tm，tl，th为归一化因子。在本步骤中，二分法的公式为：其中，X0，X1为给定的两个初始曝光时间点，分别赋值25ms，250ms。将这两个值带入上式，于图1进行计算得到基准图像的曝光时间为175ms。步骤3：分割基准图像为过曝光区域Eh、欠曝光区域El和正常曝光区域A。在本步骤中，将基准图像分割为三部分，更有针对性得增强图像区域处理，分割计算公式如下：其中，U为当前图像区域的加权灰度熵差，Th为过曝光阈值，Tl为欠曝光阈值，Eh为过曝光区域，El为欠曝光区域，A为正常曝光区域。步骤4：计算出各区域的加权灰度熵差UA、Uh和Ul。通过本步骤的计算，得到各个区域的加权灰度熵差，计算公式如下：G＝|Gmean-Gmedian|根据上述公式，计算得UA为0.54937、Uh为0.59642、Ul为0.53118。步骤5：计算各区域对应的最佳曝光时间。在本步骤中，依据UA、Uh和Ul计算出各区域对应的最佳曝光时间，计算公式为：其中，X0，X1为给定的两个初始曝光时间点，分别赋值25ms，250ms。将X0，X1带入上式，于图1进行计算得到Eh的最佳曝光时间为125ms，El的最佳曝光时间为200ms，A的最佳曝光时间为175ms。如图2所示，在实验室自建的三类复杂场景下，本专利技术(REABW算法)的曝光效果优于图像熵法和图像分区法，在三类场景下加权灰度熵差可分别达到0.77144、0.80019和0.73256均高于其余算法。如图3、4、5所示，通过比较三类不同的图像评价指标，可以看出本专利技术在三类图像评价指标下均为最高，也就是本专利技术对于各类场景均可得到最优曝光结果，将图像调整至最佳曝光状态，这也从另一个方面验证了本专利技术的优势。本专利技术相对于图像熵算法和图像分区算法，克服了它们曝光控制参数自适应性差且无法将图像中所有细节都调节至相对于其子区域的最佳曝光效果的问题，因此最终曝光效果均优于这两种算本文档来自技高网...

【技术保护点】
1.一种基于加权灰度熵差的分区域曝光算法，其特征在于：包括以下步骤：步骤1：在某固定场景下，计算各曝光时间下的加权灰度熵差U，得到加权灰度熵差与曝光时间的映射关系；步骤2：计算基准图像的加权灰度熵差，并使用二分法得到曝光时间；步骤3：分割基准图像为过曝光区域Eh、欠曝光区域El和正常曝光区域A；步骤4：计算出各区域的加权灰度熵差UA、Uh和Ul；步骤5：计算各区域对应的最佳曝光时间。

【技术特征摘要】
1.一种基于加权灰度熵差的分区域曝光算法，其特征在于：包括以下步骤：步骤1：在某固定场景下，计算各曝光时间下的加权灰度熵差U，得到加权灰度熵差与曝光时间的映射关系；步骤2：计算基准图像的加权灰度熵差，并使用二分法得到曝光时间；步骤3：分割基准图像为过曝光区域Eh、欠曝光区域El和正常曝光区域A；步骤4：计算出各区域的加权灰度熵差UA、Uh和Ul；步骤5：计算各区域对应的最佳曝光时间。2.根据权利要求1所述的基于加权灰度熵差的分区域曝光算法，其特征在于：所述步骤1中加权灰度熵差U的计算公式为：G＝|Gmean-Gmedian|其中，U为加权灰度熵差，E为信息熵，G为灰度偏移量，Gmean为灰度平均值，Gmean为灰度级中位数,d为图像深度,α为权重值。3.根据权利要求1所述的基于加权灰度熵差的分区域曝光算法，其特征在于：所述步骤2中计算基准图像的公式为：U＝tm*um+tl*ul+th*uhtm+tl+th＝1其中，U为基准图像的加权灰度熵差，um为原始图像...

【专利技术属性】
技术研发人员：胡晓彤，刘楠，朱博文，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12